信息提取
Parent: ai_keywords
信息提取（Information Extraction, IE）
核心定义
信息提取是指从非结构化或半结构化数据（如临床文本、神经影像报告、脑电信号描述）中自动识别、抽取并结构化目标信息的技术。在人工智能与医学交叉领域，其核心任务是将自由文本转化为可计算、可推理的知识图谱或结构化记录，从而支撑临床决策、科研分析与数据挖掘。与常规文本挖掘不同，医学信息提取需面对术语歧义、缩写多样、上下文依赖性强等挑战，且须遵循严格的医学逻辑与伦理规范。
关键技术点
- 命名实体识别（NER）
识别文本中的医学术语实体，如疾病名称（“脑卒中”）、解剖部位（“基底节区”）、药物（“rt-PA”）、检查指标（“NIHSS评分”）。常采用BiLSTM-CRF或Transformer模型（如BioBERT）进行序列标注。 - 关系抽取
提取实体间的语义关系，例如“脑梗死（实体1）位于（关系）左侧大脑中动脉供血区（实体2）”。常用远程监督结合图神经网络，或基于提示学习（Prompt Learning）的通用框架。 - 事件抽取
从临床记录中识别关键事件及其参数，如“溶栓治疗（事件类别）于发病3小时内（时间）进行，剂量0.9mg/kg（参数）”。这对于时间敏感性疾病（如急性脑卒中）至关重要。 - 跨模态信息融合
结合文本与影像/image报告（如MRI的DWI序列描述）、脑电图描述等，利用多模态Transformer实现互补信息提取，提升实体与关系识别的鲁棒性。
医学/神经科学应用场景：急性脑卒中临床决策支持
背景：首都医科大学宣武医院神经病学团队在脑卒中超早期救治中，常需快速从急诊病历、影像报告及护理记录中提取关键信息。传统人工翻阅耗时且易遗漏。
场景：
- 系统接收患者入院后的自由文本（包含主诉、既往史、检验结果及影像描述），实时执行信息提取：
- 识别实体：“发病时间2024-03-01 09:30”、“NIHSS评分12”、“心房颤动病史”；
- 抽取关系：“溶栓禁忌-颅内出血（影像报告提示微出血灶）”；
- 触发事件：“静脉溶栓窗口期剩余<1小时”。
- 输出结构化报告，自动弹出决策提示：基于SPOKe研究框架（融合AHA/ASA指南），推荐是否启动桥接治疗。
该流程将信息提取耗时从5分钟缩短至30秒，准确率>92%，显著提升了卒中绿色通道效率。
